PRŮVODCE aplikacemi
AI v akustice velryb a mořských savců
Umělá inteligence skenuje obrovské množství podvodního zvuku, aby detekovala, klasifikovala a sledovala velryby a další mořské savce podle jejich volání.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Na této stránce2 minuty čtení
Přehled
Záleží na tom, abychom zabránili střetům lodí, snížili škodlivý hluk a porozuměli druhům, které můžeme vidět jen zřídka.
Hluboký ponor
Oceán je pro světlo neprůhledný, ale přenáší zvuk na stovky kilometrů, takže mořští savci spoléhají na vokalizace a vědci také. Hydrofony, ať už kotvené, tažené nebo na autonomních kluzácích, nahrávají nepřetržitě a produkují terabajty zvuku. Detektory umělé inteligence postavené na CNN a rekurentních nebo transformátorových modelech skenují spektrogramy, aby nalezly volání velryb uprostřed hluku lodi, identifikovaly druhy podle charakteristických zvuků, jako je zpěv keporkaků nebo volání pravé velryby, a dokonce rozlišily jednotlivé vzory kliknutí vorvaňů a delfínů. Spolupráce Google s NOAA vytvořila klasifikátory keporkaků z desetiletí tichomořských nahrávek. Detekce téměř v reálném čase dodává systémy, které upozorňují lodě na zpomalení, což pomáhá chránit kriticky ohrožené velryby severního Atlantiku před smrtelnými kolizemi.
Real-World Implementace
Systémy detekce pravých velryb téměř v reálném čase upozorňují lodě, aby zpomalily a vyhnuly se srážkám u východního pobřeží USA.
Google a NOAA vytvořily klasifikátory umělé inteligence, aby našly písně keporkaků v desetiletích dat z tichomořských hydrofonů.
Autonomní kluzáky s palubními detektory zkoumají přítomnost velryb ve vzdálených oceánských oblastech.
Projekt CETI používá strojové učení k analýze sekvencí kliknutí (codas) vorvaňů ke studiu jejich komunikace.
Budoucnost umělé inteligence v akustice velryb a mořských savců
Očekávejte sítě inteligentních bójí a kluzáků, které provádějí detekci na palubě a vysílají výstrahy námořníkům a manažerům během několika minut. Samokontrolované modely se budou učit z neoznačeného zvuku oceánu, což zlepší detekci nedostatečně studovaných druhů. Projekty jako Project CETI mají za cíl využít strojové učení k dekódování struktury komunikace vorvaně. V kombinaci s pasivním odhadem akustické hustoty by umělá inteligence mohla poskytovat nepřetržité monitorování populace v měřítku oceánských pánví a dynamické řízení dopravy s ohledem na hluk.
Uvedení do praxe
Proč na tom záleží
- Volby sestavy. Návrh na úrovni aplikace určuje, zda AI zlepšuje skutečné výsledky.
- Tým a pracovní postup. Dobrá integrace pracovních postupů přináší zvýšení produktivity, kterému uživatelé mohou důvěřovat.
- Riziko a bezpečnost. Dobře vymezené případy použití snižují únavu ze změn a riziko implementace.
Pozor na
- Automatizace nefunkčního procesu může zesílit stávající problémy.
- Týmy se mohou přeautomatizovat a odstranit potřebný lidský úsudek.
- Kvalita se může posunout, pokud výstupy nejsou průběžně vyhodnocovány.
Další kroky
- Zmapujte aktuální pracovní postup a identifikujte krok s nejvyšším třením.
- Definujte lidské kontrolní body před plnou automatizací.
- Školte uživatele o výzvách, eskalačních cestách a standardech kvality.
- Sledujte výsledky na úrovni úkolů, abyste potvrdili trvalou hodnotu.
Pokračujte v objevování
Newsletter zdarma
Získejte denní přehled o AI
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Take the AI in Whale and Marine Mammal Acoustics quiz
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Často kladené otázky
Co je AI v akustice velryb a mořských savců?
Umělá inteligence skenuje obrovské množství podvodního zvuku, aby detekovala, klasifikovala a sledovala velryby a další mořské savce podle jejich volání. Záleží na tom, abychom zabránili střetům lodí, snížili škodlivý hluk a porozuměli druhům, které můžeme vidět jen zřídka.
Proč je při studiu mořských savců středobodem spíše zvuk než zrak?
Světlo pod vodou rychle mizí, zatímco zvuk se šíří stovky kilometrů, takže vokalizace jsou hlavním způsobem, jak detekovat vzdálené mořské savce.
Jaká bezpečnostní aplikace v reálném světě používá detekci velryb téměř v reálném čase?
Detekční systémy signalizují ohrožené pravé velryby a varují plavidla, aby snížila rychlost, čímž se sníží riziko smrtelných kolizí.
Které organizace spolupracovaly na vytvoření klasifikátorů písní keporkaků z tichomořských nahrávek?
Google spolupracuje s NOAA, aby použila umělou inteligenci na desítky let podvodních nahrávek a identifikovala písně keporkaků.
Jaká je klíčová výzva jedinečná pro podvodní akustickou detekci?
Nízkofrekvenční hovory soutěží s hlukem motoru a průzkumu a šíření zkresluje signály, což komplikuje detekci.
Jaký je cíl využití strojového učení projektu CETI?
Projekt CETI používá strojové učení k dekódování struktury vorvaně codas, aby lépe porozuměl tomu, jak komunikují.
Učte se dál
Související průvodci
Pro toto téma bylo vybráno více průvodců